1、plotly庫(kù)的相關(guān)介紹

1）相關(guān)說(shuō)明

• plotly是一個(gè)基于javascript的繪圖庫(kù)，plotly繪圖種類(lèi)豐富，效果美觀；
• 易于保存與分享plotly的繪圖結(jié)果，并且可以與Web無(wú)縫集成；
• ploty默認(rèn)的繪圖結(jié)果，是一個(gè)HTML網(wǎng)頁(yè)文件，通過(guò)瀏覽器可以直接查看；

2）plotly與matplotlib、seaborn的關(guān)系

  需要注意的是，ployly繪圖庫(kù)與matplotlib繪圖庫(kù)、seaborn繪圖庫(kù)并沒(méi)有什么關(guān)系。也就是說(shuō)說(shuō)plotly是一個(gè)單獨(dú)的繪圖庫(kù)，有自己獨(dú)特的繪圖語(yǔ)法、繪圖參數(shù)和繪圖原理，因此我們需要單獨(dú)學(xué)習(xí)它。

2、導(dǎo)入相關(guān)庫(kù)

  對(duì)于我們做數(shù)據(jù)分析的人員來(lái)說(shuō)，一般用的都是離線繪圖庫(kù)。在線繪圖庫(kù)需要的話，可以自己百度研究。

import os
import numpy as np
import pandas as pd

import plotly as py
import plotly.graph_objs as go
import plotly.expression as px
from plotly import tools

import warnings
warnings.filterwarnings("ignore")

3、plotly繪圖原理

1）ployly常用的兩個(gè)繪圖模塊：graph_objs和expression

  graph_objs和expression是plotly里面兩個(gè)很常用的繪圖庫(kù)，graph_objs相當(dāng)于matplotlib，在數(shù)據(jù)組織上比較費(fèi)勁，但是任然比起matplotlib繪圖更簡(jiǎn)單、更好看。這里說(shuō)的費(fèi)勁是相對(duì)于expression庫(kù)來(lái)說(shuō)的。expression庫(kù)相當(dāng)于seaborn的地位，在數(shù)據(jù)組織上較為容易，繪圖比起seaborn來(lái)說(shuō)，也更加容易。這里你心里有個(gè)印象即可，知道這兩個(gè)繪圖庫(kù)很牛，就行了。
  對(duì)于graph_objs繪圖庫(kù)，我們常命名為“go”(import plotly.graph_objs as go)；對(duì)于expression繪圖庫(kù)，我們常命名為“px”(import plotly.expression as px)。

2）graph_objs(“go”)庫(kù)的繪圖原理

① 簡(jiǎn)單的案例說(shuō)明

df = pd.read_excel("plot.xlsx")
# 步驟一
trace0 = go.Scatter(x=df["年份"],y=df["城鎮(zhèn)居民"],name="城鎮(zhèn)居民")
trace1 = go.Scatter(x=df["年份"],y=df["農(nóng)村居民"],name="農(nóng)村居民")
# 步驟二
data = [trace0,trace1]
# 步驟三
fig = go.Figure(data)
# 步驟四
fig.update_layout(
  title="城鄉(xiāng)居民家庭人均收入",
  xaxis_title="年份",
  yaxis_title="人均收入（元）"
)
# 步驟五
fig.show()

結(jié)果如下：

② 原理說(shuō)明

1、繪制圖形軌跡，在ployly里面叫做trace，每一個(gè)軌跡是一個(gè)trace。
2、將軌跡包裹成一個(gè)列表，形成一個(gè)“軌跡列表”。一個(gè)軌跡放在一個(gè)列表中，多個(gè)軌跡也是放在一個(gè)列表中。
3、創(chuàng)建畫(huà)布的同時(shí)，并將上述的“軌跡列表”，傳入到Figure()中。
4、使用Layout添加其他的繪圖參數(shù)，完善圖形。
5、展示圖形。

3）expression(“px”)庫(kù)的繪圖原理

① 簡(jiǎn)單的案例說(shuō)明

iris = pd.read_excel("iris.xlsx",sheet_name="Sheet2")

fig = px.scatter(iris,x="花萼長(zhǎng)度",y="花萼寬度",color="屬種")
fig.show()

結(jié)果如下：

② 原理說(shuō)明

1、直接使用px調(diào)用某個(gè)繪圖方法時(shí)，會(huì)自動(dòng)創(chuàng)建畫(huà)布，并畫(huà)出圖形。

2、展示圖形。

4、保存圖形的兩種方式

1）直接下載下來(lái)：保存成png靜態(tài)圖片

2）使用py.offline.plot(fig,filename=“XXX.html”)代碼保存成html網(wǎng)頁(yè)動(dòng)態(tài)圖片

iris = pd.read_excel("iris.xlsx",sheet_name="Sheet2")

fig = px.scatter(iris,x="花萼長(zhǎng)度",y="花萼寬度",color="屬種")
py.offline.plot(fig,filename="iris1.html")

結(jié)果如下：該文件是一個(gè)html文件，這里上傳不了，自己下去嘗試一下就知道了。

3）總結(jié)說(shuō)明

  使用“照相機(jī)”那個(gè)下載按鈕，可以直接將圖片下載保存在本地，但是這個(gè)圖片是一個(gè)靜態(tài)圖片，沒(méi)有交互性。但是使用py.offline.plot()方法，可以將圖片保存成一個(gè)html的網(wǎng)頁(yè)格式，其他人可以在電腦上直接打開(kāi)這個(gè)html網(wǎng)頁(yè)，并且保留了圖片的原始樣式，具有交互性。 

5、繪制雙y軸圖

1）數(shù)據(jù)集如下

2）繪制不同地區(qū)的“任務(wù)完成量”和“任務(wù)完成率”情況

df = pd.read_excel("double_y.xlsx")

x = df["地區(qū)"]
y1 = df["完成量"]
y2 = df["完成率"]

trace0 = go.Bar(x=x,y=y1,
        marker=dict(color=["red","blue","green","darkgrey","darkblue","orange"]),
        opacity=0.5,
        name="不同地區(qū)的任務(wù)完成量")

trace1 = go.Scatter(x=x,y=y2,
          mode="lines",
          name="不同地區(qū)的任務(wù)完成率",
          # 【步驟一】：使用這個(gè)參數(shù)yaxis="y2"，就是繪制雙y軸圖
          yaxis="y2")

data = [trace0,trace1]

layout = go.Layout(title="不同地區(qū)的任務(wù)完成量和任務(wù)完成率情況",
          xaxis=dict(title="地區(qū)"),
          yaxis=dict(title="不同地區(qū)的任務(wù)完成量"),
          # 【步驟二】：給第二個(gè)y軸，添加標(biāo)題，指定第二個(gè)y軸，在右側(cè)。
          yaxis2=dict(title="不同地區(qū)的任務(wù)完成率",overlaying="y",side="right"),
          legend=dict(x=0.78,y=0.98,font=dict(size=12,color="black")))

fig = go.Figure(data=data,layout=layout)
fig.show()

結(jié)果如下：

6、繪制多子圖：一個(gè)畫(huà)布上繪制多個(gè)圖形

1）相關(guān)庫(kù)和方法介紹

1、繪制多個(gè)子圖，需要先導(dǎo)入tools庫(kù)。from plotly import tools

2、tools.make_subplots(rows= ,cols=)用于指定繪圖布局，rows和cols表示將畫(huà)布布局成幾行幾列。

3、fig.append_trace()將每個(gè)圖形軌跡trace，繪制在不同的位置上。

2）分別繪制不同地區(qū)的“任務(wù)完成量”和“任務(wù)完成率”情況

# 步驟一：導(dǎo)入相關(guān)庫(kù)
from plotly import tools
# 步驟二：指定繪圖布局
fig = tools.make_subplots(rows=2,cols=1)
# 步驟三：繪制圖形軌跡
trace0 = go.Bar(x=x,y=y1,
        marker=dict(color=["red","blue","green","darkgrey","darkblue","orange"]),
        opacity=0.5,
        name="不同地區(qū)的任務(wù)完成量")    
trace1 = go.Scatter(x=x,y=y2,
          mode="lines",
          name="不同地區(qū)的任務(wù)完成率",
          line=dict(width=2,color="red"))
 # 步驟四：將第一個(gè)軌跡，添加到第1行的第1個(gè)位置
 #    將第二個(gè)軌跡，添加到第2行的第1個(gè)位置         
fig.append_trace(trace0,1,1)
fig.append_trace(trace1,2,1)
# 步驟四：根據(jù)自己的需求，給圖形添加標(biāo)題。height、width參數(shù)用于指定圖形的寬和高
fig.update_layout(title="不同地區(qū)的任務(wù)量與完成量",height=800,width=800)
# 步驟五：展示圖形
fig.show()

結(jié)果如下：

到此這篇關(guān)于python Plotly繪圖工具的簡(jiǎn)單使用的文章就介紹到這了,更多相關(guān)python Plotly繪圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論